Double-Bracket 量子算法

量子计算机擅长执行酉演化 $e^{-itH}$，但许多经典数值任务——矩阵对角化、特征值排序、基态制备——本质上不是酉的。Double-bracket flow 提供了一座桥梁：它是一条始终停留在 $H$ 的 unitary orbit（酉轨道）上的矩阵微分方程，因而原则上可以全部由酉操作实现；同时它又是一条梯度流，会单调地把矩阵”推向”对角形。这条思路最早由 Brockett 在 1980 年代末提出，Helmke 与 Moore 在专著 Optimization and Dynamical Systems（Zoo 521）中把它发展成一套”用微分方程做数值线性代数”的系统理论；2022 年 Gluza（Zoo 522）将其量子化，提出 double-bracket quantum algorithm，随后又有了面向基态制备、量子虚时间演化与 QSP 的一系列工作（Zoo 523–526）。

经典的 double-bracket 算法处理 $d\times d$ 矩阵时，每一步都要计算矩阵对易子 $[N,H]$ 并做矩阵乘法，代价是 $O(d^{\omega })$ 量级的浮点运算。当矩阵来自 $n$ 量子比特的 Hamiltonian 时 $d=2^n$，经典逐步跟踪流就是指数代价——这正是想借助量子计算机绕开的瓶颈。但正如我们将看到的，量子实现也有自己的陷阱：每一步迭代会改变 Hamiltonian 本身，下一步又需要模拟更新后的 Hamiltonian，直接内联展开会让电路深度随迭代数指数增长。因此目前 Zoo 把这类算法的加速比标为 unknown；本词条的目标是把整个框架的数学结构、量子合成方法与这个深度瓶颈逐一讲清楚。

阅读准备。 我们假设读者熟悉前面的词条的内容：Hermitian 算符与谱、酉演化与 Hamiltonian simulation（product formula 的思想）、Grover/相位估计的基本复杂度记账方式。除对易子 $[A,B]=AB-BA$、反对易子 $\{A,B\}=AB+BA$、Frobenius 范数 $\Vert A{\Vert }_F^2=\mathrm{Tr}(A^{†}A)$ 之外，不需要其他特殊工具。

1. 从对角化问题到等谱流

给定 Hermitian 矩阵 $H_0$（比如某个量子体系的 Hamiltonian），对角化 (diagonalization) 是找酉矩阵 $V$ 使

$$V{H}_0{V}^{†}=\mathrm{diag}({\lambda }_1,\dots ,{\lambda }_d).$$

一旦完成，特征值可以从对角元直接读出，特征向量就是 $V$ 的列。排序 (sorting) 是它的弱化版：只要求把特征值按指定顺序排到对角线上。

经典数值线性代数对付这个问题的武器是 QR 迭代、Jacobi 旋转等。Brockett 的观察是：这类迭代背后有一条连续的微分方程

$$\dot{H}=[[N,H],H],$$

其中 $N$ 是一个我们自由选择的 Hermitian 矩阵，$\dot{H}=dH/dt$。注意方程右边出现了两层对易子——先算 $[N,H]$，再与 $H$ 对易——这就是 “double bracket” 名字的由来。有些文献采用整体差一个负号的约定（即 $\dot{H}=[H,[N,H]]$），两种约定只是时间反演的关系，本词条固定用上式。

这条方程的妙处在于两点，分别对应下面两节的内容：

• 它自动保持谱不变：$H(t)$ 始终是 $H(0)$ 的酉共轭，特征值从头到尾不动；
• 它是一条梯度流：存在 Lyapunov 函数 $\mathrm{Tr}(NH)$ 沿流单调变化，稳定点恰好是与 $N$ 对易的矩阵，而在合适的 $N$ 下”与 $N$ 对易”就意味着”在 $N$ 的基下对角”。

也就是说，这条流不”寻找”新的特征值，而是在固定谱的前提下把矩阵旋转到对角形。理解了这一点，后面所有构造——离散步长、量子合成、虚时间演化的联系——就都有了一个统一的图景：它们都是在 unitary orbit 上做受控的旋转。

2. Double-bracket 流与等谱性

设 $H,N$ 都是 Hermitian 矩阵。定义生成元

$$K(H):=[N,H]=NH-HN.$$

$K(H)$ 是 anti-Hermitian（反厄米）的，即 $K^{†}=-K$。验证只用对易子取共轭转置的恒等式 $[A,B{]}^{†}=(AB-BA{)}^{†}=B^{†}{A}^{†}-A^{†}{B}^{†}$ 与 $H^{†}=H$、$N^{†}=N$：

$$K^{†}=(NH-HN{)}^{†}=H^{†}{N}^{†}-N^{†}{H}^{†}=HN-NH=-K.$$

于是 double-bracket 方程可以写成更对称的形式

$$\dot{H}=[K(H),H],$$

即”用一个反厄米生成元去共轭地驱动 $H$“。熟悉量子力学的读者会认出这就是 Heisenberg 方程 $\dot{H}=i[\mathcal{K},H]$ 的形状，只不过这里的”Hamiltonian” $\mathcal{K}=-iK$ 本身随 $H$ 变化（方程是非线性的）。

等谱性。 我们证明 $H(t)$ 与 $H(0)$ 酉等价。考虑辅助的酉演化方程

$$\dot{U}=K(H)U,U(0)=I,$$

并令 $H(t):=U(t)H(0)U(t{)}^{†}$。先说明 $U(t)$ 确实是酉的：对 $U^{†}U$ 求导，用 $\dot{U}=KU$ 以及取共轭得到的 ${\dot{U}}^{†}=U^{†}{K}^{†}=-U^{†}K$，有

$$\frac{d}{dt}(U^{†}U)={\dot{U}}^{†}U+U^{†}\dot{U}=-U^{†}KU+U^{†}KU=0,$$

所以 $U^{†}U$ 不随时间变，恒等于初始值 $I$；同理 $U{U}^{†}=I$。再验证这样定义的 $H(t)$ 满足 double-bracket 方程。对乘积逐项求导：

$$\dot{H}=\dot{U}H(0)U^{†}+UH(0){\dot{U}}^{†}.$$

第一项代入 $\dot{U}=KU$ 得 $KUH(0)U^{†}=KH$；第二项代入 ${\dot{U}}^{†}=-U^{†}K$ 得 $-UH(0)U^{†}K=-HK$。合起来

$$\dot{H}=KH-HK=[K(H),H],$$

正是要证的方程（解的唯一性保证这就是原方程的解）。

结论：对一切 $t$，$H(t)=U(t)H(0)U(t{)}^{†}$ 与 $H(0)$ 相似且酉等价，因此

• 特征值（含重数）不变；
• 所有 trace powers $\mathrm{Tr}(H^m)$ 不变——这由迹的循环性 $\mathrm{Tr}(U{H}_0^m{U}^{†})=\mathrm{Tr}(H_0^m{U}^{†}U)=\mathrm{Tr}(H_0^m)$ 直接看出；
• 行列式、秩、范数等谱函数全部不变。

改变的是特征向量，即矩阵相对于固定基（比如 $N$ 的特征基）的朝向。由此得到对这类算法能力边界的第一个重要认识：

Double-bracket 流不能把错误的特征值”优化成”目标谱——它只在固定谱的 unitary orbit 上移动，能做的一切就是重排与对角化。想要改变谱（例如制备基态、降低能量），必须借助其他机制，例如后文虚时间演化一节中对 projector 的处理。

3. Lyapunov 函数、稳定点与特征值排序

知道了流”在哪里移动”，接下来回答”往哪里移动”。取标量函数

$$F(H)=\mathrm{Tr}(NH),$$

并计算它沿流的变化率。代入 $\dot{H}=[[N,H],H]$：

$$\frac{dF}{dt}=\mathrm{Tr}(N[[N,H],H]).$$

化简这一步需要一个迹的恒等式：对任意矩阵 $A,B,C$，由迹的循环性 $\mathrm{Tr}(ABC)=\mathrm{Tr}(CAB)=\mathrm{Tr}(BCA)$ 可得

$$\mathrm{Tr}(A[B,C])=\mathrm{Tr}(ABC)-\mathrm{Tr}(ACB)=\mathrm{Tr}(BCA)-\mathrm{Tr}(BAC)=\mathrm{Tr}(B[C,A]).$$

取 $A=N$、$B=K=[N,H]$、$C=H$：

$$\frac{dF}{dt}=\mathrm{Tr}(K[H,N])=\mathrm{Tr}(K\cdot (-K))=-\mathrm{Tr}(K^2).$$

最后一步用了 $[H,N]=-[N,H]=-K$。而 $K$ 是反厄米的，即 $K^{†}=-K$，所以 $K^2=-K^{†}K$，于是

$$\frac{dF}{dt}=-\mathrm{Tr}(K^2)=\mathrm{Tr}(K^{†}K)=\Vert [N,H]{\Vert }_F^2\ge 0,$$

其中倒数第二步是 Frobenius 范数的定义 $\Vert K{\Vert }_F^2=\mathrm{Tr}(K^{†}K)={\sum }_{ij}|K_{ij}{|}^2$。这就是原文核心公式

$$\frac{dF}{dt}=\mathrm{Tr}(N[[N,H],H])=-\mathrm{Tr}([N,H{]}^2)=\Vert [N,H]{\Vert }_F^2\ge 0$$

的完整推导。它给出两条信息：

• 单调性：$\mathrm{Tr}(NH)$ 沿流单调不减（取相反符号的约定下单调不增），流不会打转或振荡；
• 稳定点刻画：导数为零当且仅当 $\Vert [N,H]{\Vert }_F=0$，即

$$[N,H]=0,$$

流的稳定点恰好是与 $N$ 对易的矩阵。

对角化从何而来。 两个 Hermitian 矩阵对易，当且仅当它们可以被同一组正交归一基同时对角化。现在取

$$N=\mathrm{diag}(n_1,n_2,\dots ,n_d),n_1<n_2<\cdots <n_d$$

为非简并的对角矩阵（所有 $n_i$ 互不相同）。若 $[N,H]=0$，直接算矩阵元：$[N,H{]}_{ij}=(n_i-n_j)H_{ij}$，它等于零而 $n_i\ne n_j$（$i\ne j$），迫使 $H_{ij}=0$——$H$ 的所有非对角元都必须消失。所以在这条流的稳定点上，$H$ 自动在 $N$ 的基下成为对角矩阵：流把 $H$ 对角化了。

排序从何而来。 流收敛到对角形后，对角元就是 $H$ 的特征值，但排列顺序由初值与动力学决定。哪个排列对应 $\mathrm{Tr}(NH)$ 的最大值？这是 von Neumann trace inequality 回答的问题：对 Hermitian 矩阵，

$$\mathrm{Tr}(NH)\le \sum _i{n}_i^{\downarrow }{\lambda }_i^{\downarrow },$$

其中 $n_i^{\downarrow }$、${\lambda }_i^{\downarrow }$ 分别表示 $N$ 与 $H$ 的特征值按降序排列，等号在两个矩阵”同序对齐”时取到（这本质上是重排不等式的矩阵版本）。因此，把 $N$ 的对角元按希望的次序放好，流就会把 $H$ 的特征值按对应次序排上对角线——选择 $N$ 的顺序即完成了 eigenvalue sorting。

几何图景。 上面的推导还有一个干净的几何解释：所有与 $H_0$ 酉等价的 Hermitian 矩阵构成一个流形（unitary orbit），其切空间恰好由 $[K,H]$（$K$ 取遍反厄米矩阵）这类对易子张成；而函数 $\mathrm{Tr}(NH)$ 在普通矩阵空间中的”欧氏梯度”是 $N$，把它投影到 orbit 的切空间上得到的正是 $[N,H]$ 方向的流。所以 double-bracket 方程是 unitary manifold 上的 Riemannian gradient flow（黎曼梯度流）：对易子扮演了”把欧氏梯度投影到切空间”的角色。这个视角（Brockett、Helmke–Moore）解释了为什么同一框架能统一处理 QR 分解、线性规划与排序：它们都是同一类等谱梯度流在不同目标函数下的化身。

4. 离散 double-bracket 迭代

连续流不能直接上电路，需要离散化。最自然的第一步是 Euler：$H_{k+1}\approx H_k+{\eta }_k[[N,H_k],H_k]$。但这步更新只在一阶精度上保持 Hermiticity 与谱，误差会逐步累积。更好的方案是沿切方向走一小段，再指数化回到轨道上：每一步先算切向量（对易子），再做一次精确的酉共轭：

$$K_k=[N,H_k],U_k=e^{{\eta }_k{K}_k},H_{k+1}=U_k{H}_k{U}_k^{†}.$$

因为 $K_k$ 反厄米，${\eta }_k{K}_k$ 仍反厄米，$U_k$ 是精确酉的（反厄米矩阵的指数是酉矩阵），所以 $H_{k+1}$ 精确地保持 Hermiticity 与整个谱——不是近似，而是构造上自动成立。这正是”在轨道上移动”与”离开轨道再投影回来”的本质区别，也是这套迭代适合量子化的原因：量子计算机天然执行酉共轭。

与连续流的一致性由小步长展开保证。对 $e^{\eta K}$ 做 Taylor 展开 $e^{\eta K}=I+\eta K+\frac{{\eta }^2}{2}{K}^2+\cdots$：

$$\begin{array}{rl}{H}_{k+1}& =(I+{\eta }_k{K}_k+O({\eta }_k^2))H_k(I-{\eta }_k{K}_k+O({\eta }_k^2))\\ & =H_k+{\eta }_k(K_k{H}_k-H_k{K}_k)+O({\eta }_k^2)\\ & =H_k+{\eta }_k[K_k,H_k]+O({\eta }_k^2)\\ & =H_k+{\eta }_k[[N,H_k],H_k]+O({\eta }_k^2).\end{array}$$

第二行展开时 ${\eta }^2$ 及以上的项全部收入 $O({\eta }_k^2)$；第三行认出对易子；第四行代回 $K_k=[N,H_k]$。于是一步离散迭代与连续流走 ${\eta }_k$ 时间在一阶上完全一致，第 3 节的单调性分析在小步长下逐字成立。

$N$ 的选择有两种策略：可以全程固定为非简并对角矩阵（分析最简单，就是上面讨论的情形）；也可以每轮变分地选择——在第 $k$ 步选一个使非对角范数下降最快的 $N_k$（例如对齐当前 $H_k$ 对角元顺序的对角矩阵）。Gluza 的量子对角化算法（Zoo 522）采用的正是后一种 per-step 变分选择，以获得更快的实测收敛；代价是每步要多做一次对角元估计。

5. 小例子：2×2 矩阵的一步迭代

把上面的公式在一个可以手算的例子里完整过一遍。取

$$H_0=\left(\begin{array}{cc}a& b\\ b& c\end{array}\right)(a,b,c\in \mathbb{R}),N=\left(\begin{array}{cc}{n}_1& 0\\ 0& n_2\end{array}\right),n_1<n_2.$$

第一步：算对易子 $K_0=[N,H_0]$。

$$N{H}_0=\left(\begin{array}{cc}{n}_{1}a& n_{1}b\\ n_{2}b& n_{2}c\end{array}\right),H_{0}N=\left(\begin{array}{cc}{n}_{1}a& n_{2}b\\ n_{1}b& n_{2}c\end{array}\right),$$

相减得

$$K_0=\left(\begin{array}{cc}0& (n_1-n_2)b\\ (n_2-n_1)b& 0\end{array}\right)=(n_1-n_2)b\left(\begin{array}{cc}0& 1\\ -1& 0\end{array}\right).$$

记 $k:=(n_1-n_2)b$。注意 $\left(\begin{array}{cc}0& 1\\ -1& 0\end{array}\right)=i{\sigma }_y$，所以 $K_0=ik{\sigma }_y$ 确实是反厄米的（$i$ 乘 Hermitian 矩阵），与第 2 节的一般结论一致。

第二步：算一阶更新 $H_1=H_0+\eta [K_0,H_0]+O({\eta }^2)$。 逐次乘法：

$$K_0{H}_0=\left(\begin{array}{cc}kb& kc\\ -ka& -kb\end{array}\right),H_0{K}_0=\left(\begin{array}{cc}-kb& ka\\ -kc& kb\end{array}\right),$$ $$[K_0,H_0]=K_0{H}_0-H_0{K}_0=\left(\begin{array}{cc}2kb& k(c-a)\\ k(c-a)& -2kb\end{array}\right).$$

于是一步之后（到一阶）

$$H_1\approx \left(\begin{array}{cc}a+2\eta kb& b+\eta k(c-a)\\ b+\eta k(c-a)& c-2\eta kb\end{array}\right).$$

第三步：检查各种守恒与单调性。

• 迹不变：对角元变化 $+2\eta kb$ 与 $-2\eta kb$ 相消，$\mathrm{Tr}{H}_1=a+c$，与谱不变性相容（行列式同样在一阶不变，留作习题）。
• 对角元的”能量”按 $N$ 排序方向流动：因为 $n_1<n_2$ 且不妨设 $b>0$ 时 $k=(n_1-n_2)b<0$，所以 $a\mapsto a+2\eta kb$ 是减小、$c$ 对应增大——小的特征值向配对小 $n_1$ 的位置集中，正是 von Neumann 不等式预言的”同序对齐”。
• Lyapunov 函数的增量：

$$\Delta F=\mathrm{Tr}(N{H}_1)-\mathrm{Tr}(N{H}_0)=n_1(2\eta kb)+n_2(-2\eta kb)=2\eta (n_1-n_2)kb=2\eta (n_1-n_2{)}^2{b}^2\ge 0.$$

与第 3 节公式对照：$\Vert [N,H_0]{\Vert }_F^2=|K_{12}{|}^2+|K_{21}{|}^2=2k^2=2(n_1-n_2{)}^2{b}^2$，故 $\Delta F=\eta \Vert [N,H_0]{\Vert }_F^2$，正好是连续流 $dF/dt=\Vert [N,H]{\Vert }_F^2$ 走 $\eta$ 时间的一阶结果。数字与公式严丝合缝。

第四步：精确的一步（不展开）。 因为 $K_0=ik{\sigma }_y$ 且 ${\sigma }_y^2=I$：

$$U_0=e^{\eta K_0}=\cos (\eta k)I+i\sin (\eta k){\sigma }_y,$$

即 Bloch 球上绕 $y$ 轴的旋转，共轭 $U_0{H}_0{U}_0^{†}$ 精确保持两个特征值 $\frac{a+c}{2}\pm \sqrt{{\left(\frac{a-c}{2}\right)}^2+b^2}$。迭代若干步后非对角元 $b$ 被逐步压低，$H_k$ 趋向对角形——用 $2\times 2$ 的眼睛就能看到”流把矩阵转到对角”的全过程。

6. Group commutator：在量子计算机上合成生成元

离散迭代里唯一非平凡的量子操作是 $U_k=e^{{\eta }_k[N,H_k]}$。量子计算机能直接做的是单个 Hamiltonian 的演化 $e^{it{H}_k}$、$e^{itN}$（假设我们有对应的 simulation oracle，比如 $H_k$、$N$ 是局域或稀疏的），而生成元是两个算符的对易子。经典的解决办法是 group commutator product formula（群交换子乘积公式）：把两段正演化和两段逆演化交替串联，使一阶项相消、领头的幸存项恰好是对易子。

断言（符号约定如下）：

$$e^{i\sqrt{\eta }N}{e}^{i\sqrt{\eta }{H}_k}{e}^{-i\sqrt{\eta }N}{e}^{-i\sqrt{\eta }{H}_k}=e^{-\eta [N,H_k]+O({\eta }^{3/2})}.$$

（各因子的次序可调换，调换后只改变对易子的符号；按需要的旋转方向选择。）

推导。 工具是 Baker–Campbell–Hausdorff (BCH) 公式

$$e^A{e}^B=\exp (A+B+\frac{1}{2}[A,B]+\frac{1}{12}[A,[A,B]]-\frac{1}{12}[B,[A,B]]+\cdots ),$$

它的含义是：两个指数的乘积仍是单个指数，指数由 $A+B$ 加上一系列嵌套对易子构成，每个嵌套对易子的阶数（所含 $A,B$ 因子总数）递增。对我们的四段乘积分两步用 BCH。

先算左半 $e^{i\sqrt{\eta }N}{e}^{i\sqrt{\eta }{H}_k}$：取 $A=i\sqrt{\eta }N$、$B=i\sqrt{\eta }{H}_k$，则 $A+B=i\sqrt{\eta }(N+H_k)$ 是 $\sqrt{\eta }$ 阶，而

$$\frac{1}{2}[A,B]=\frac{1}{2}(i\sqrt{\eta })(i\sqrt{\eta })[N,H_k]=-\frac{\eta }{2}[N,H_k]$$

是 $\eta$ 阶，更高阶的嵌套对易子都是 ${\eta }^{3/2}$ 阶及以上。所以

$$e^{i\sqrt{\eta }N}{e}^{i\sqrt{\eta }{H}_k}=\exp (i\sqrt{\eta }(N+H_k)-\frac{\eta }{2}[N,H_k]+O({\eta }^{3/2})).$$

同理算右半 $e^{-i\sqrt{\eta }N}{e}^{-i\sqrt{\eta }{H}_k}$，注意 $(-i\sqrt{\eta })(-i\sqrt{\eta })=-\eta$，对易子项的系数同样是 $-\eta /2$：

$$e^{-i\sqrt{\eta }N}{e}^{-i\sqrt{\eta }{H}_k}=\exp (-i\sqrt{\eta }(N+H_k)-\frac{\eta }{2}[N,H_k]+O({\eta }^{3/2})).$$

最后把两个大指数再做一次 BCH 合并。记 $X=i\sqrt{\eta }(N+H_k)-\frac{\eta }{2}[N,H_k]$、$Y=-i\sqrt{\eta }(N+H_k)-\frac{\eta }{2}[N,H_k]$，则：

• 一阶项：$X+Y$ 中 $\pm i\sqrt{\eta }(N+H_k)$ 精确相消，剩下 $-\eta [N,H_k]$——这就是目标生成元；
• 二阶交叉项 $\frac{1}{2}[X,Y]$：领头贡献是 $\frac{1}{2}[i\sqrt{\eta }(N+H_k),-i\sqrt{\eta }(N+H_k)]=\frac{\eta }{2}[N+H_k,N+H_k]=0$（任何算符与自身对易为零），非零贡献都来自 $\sqrt{\eta }$ 阶与 $\eta$ 阶的交叉，即 ${\eta }^{3/2}$ 阶；
• 所有更高阶嵌套对易子同理是 ${\eta }^{3/2}$ 阶及以上。

合起来即 $e^{-\eta [N,H_k]+O({\eta }^{3/2})}$，断言得证。

这个构造的两个特性值得强调：

• 它不需要辅助比特，也不需要 controlled-$U$。 整个乘积只是对原有 simulation oracle 的正向/反向调用，因此不需要 postselection、不需要块编码框架——这是 double-bracket 路线相对 LCU/QSVT 类方法在资源开销上的一个卖点。
• 误差可以系统性压低。 上面是二阶（误差 ${\eta }^{3/2}$）的公式；存在对称化的高阶 group commutator formulas，通过更精心地安排正反向演化的次序，把误差压到 $\eta$ 的更高幂，代价是每步调用次数增加。选择哪一阶公式，是在”步数”与”每步深度”之间的权衡，与 product-formula 模拟中的常见权衡完全同构。

合成出 $e^{{\eta }_k[N,H_k]}$ 之后，用它共轭 $H_k$ 就完成了一步 double-bracket 迭代。记账时注意：输入 Hamiltonian 的局域/稀疏模拟成本、以及 product-formula 误差所要求的步长，都必须计入总复杂度——$\eta$ 越小，单步误差越小，但达到固定收敛目标所需的步数越多。

7. 递归深度为什么爆炸

上一节留下了一个致命的细节：第 $k$ 步需要模拟的是更新后的 Hamiltonian $H_k$，而不是原始的 $H_0$。粗看这不是问题——因为 $H_k$ 始终与 $H_0$ 酉等价，

$$H_k=V_k{H}_0{V}_k^{†},V_k=U_{k-1}\cdots U_1{U}_0,$$

所以模拟 $H_k$ 可以归结为模拟 $H_0$：

$$e^{it{H}_k}=V_k{e}^{it{H}_0}{V}_k^{†}.$$

这个恒等式的验证：把右边指数展开，$V_k{H}_0{V}_k^{†}$ 的幂满足 $(V_k{H}_0{V}_k^{†}{)}^m=V_k{H}_0^m{V}_k^{†}$（中间的 $V_k^{†}{V}_k=I$ 逐对相消），逐项求和即得。

问题出在嵌套上。第 $k$ 步的 group commutator 要调用 $e^{it{H}_k}$ 常数次（二阶公式是 4 次），每次展开成 $V_k{e}^{it{H}_0}{V}_k^{†}$ 又包含整个 $V_k$——而 $V_k$ 本身是此前所有 $U_j$ 的乘积，每个 $U_j$ 又各自是一个调用了 $e^{it{H}_j}$ 的 group commutator。如果直接把一切内联展开成只含 $e^{it{H}_0}$ 的电路，电路深度的递推形如

$$D_{k+1}\gtrsim c{D}_k+O(1),c>1,$$

其中 $c$ 是每步 group commutator 对”上一步演化”的调用次数（二阶公式里 $c$ 至少是 4 量级的常数），$O(1)$ 是新增的对 $e^{it{H}_0}$ 的直接调用。这个递推可以显式求解：反复迭代得

$$D_k\gtrsim c^k{D}_0+O(1)\cdot \frac{c^k-1}{c-1}=\Theta (c^k),$$

即电路深度随迭代步数指数增长。每一步看似只加了常数个工作，但”模拟被更新过的 Hamiltonian”这件事把代价乘进了递归里。数值实验上，只跑少数几步的 double-bracket 迭代确实可行且有用（例如作为对角化的预处理或近端优化）；但渐近地看，原始形态的量子对角化算法并不高效——它没有一个对任意输入都多项式的深度上界。

有没有办法绕过递归？一个方向是用空间换深度，思想上类似量子动态规划 / 并行化：把中间步骤产生的酉变换或量子态显式地保存下来（存成电路描述、或制备成多份 copies 存在额外寄存器里），后续步骤直接调用存档，而不是从头递归重算。这样可以把深度从指数压回多项式量级，但代价是宽度（量子比特数）与 state-preparation 成本相应增长——递归并没有消失，只是从”深度账单”转移到了”宽度与制备账单”上。Zoo 519–520 讨论的正是这类 depth–width tradeoff 与相关的 map/Hermitian-preserving exponentiation 技术。

8. 虚时间演化是 projector 上的 double bracket

Double-bracket 框架还有一层出人意料的对应：纯态量子虚时间演化 (quantum imaginary-time evolution, QITE) 在 projector 层面恰好是一条 Brockett double-bracket 流。这一节把这个恒等式完整推出来。

第一步：建立归一化虚时间演化的方程。 未归一化的虚时间态是 $|\tilde{\psi }(\tau )⟩=e^{-\tau H}|{\psi }_0⟩$，归一化因子记 $Z(\tau )=⟨\tilde{\psi }|\tilde{\psi }⟩$，物理态为

$$|\psi (\tau )⟩=\frac{e^{-\tau H}|{\psi }_0⟩}{\sqrt{Z(\tau )}}.$$

我们关心的是它的密度矩阵（rank-one projector）$\rho (\tau )=|\psi (\tau )⟩⟨\psi (\tau )|=|\tilde{\psi }⟩⟨\tilde{\psi }|/Z$ 满足的方程。需要三个求导事实：

• $d|\tilde{\psi }⟩/d\tau =-H|\tilde{\psi }⟩$（指数函数求导），同理 $d⟨\tilde{\psi }|/d\tau =-⟨\tilde{\psi }|H$；
• $\dot{Z}=⟨\tilde{\psi }|(-H)|\tilde{\psi }⟩+⟨\tilde{\psi }|(-H)|\tilde{\psi }⟩=-2⟨\tilde{\psi }|H|\tilde{\psi }⟩=-2Z⟨H⟩$，其中 $⟨H⟩:=\mathrm{Tr}(H\rho )$ 是归一化态的能量期望；
• 商的求导：$\frac{d}{d\tau }\frac{|\tilde{\psi }⟩⟨\tilde{\psi }|}{Z}=\frac{-H|\tilde{\psi }⟩⟨\tilde{\psi }|-|\tilde{\psi }⟩⟨\tilde{\psi }|H}{Z}-\frac{|\tilde{\psi }⟩⟨\tilde{\psi }|\dot{Z}}{Z^2}$。

代入 $\dot{Z}=-2Z⟨H⟩$ 与 $\rho =|\tilde{\psi }⟩⟨\tilde{\psi }|/Z$，第二项成为 $+2⟨H⟩\rho$，于是

$$\dot{\rho }=-\{H,\rho \}+2\mathrm{Tr}(H\rho )\rho ,$$

其中 $\{H,\rho \}=H\rho +\rho H$ 是反对易子。这就是归一化纯态虚时间演化的 projector 方程：第一项来自 $e^{-\tau H}$ 的”衰减”，第二项来自归一化的”补偿”。

第二步：把 double bracket 算出来。 对 rank-one projector 有 ${\rho }^2=\rho$（因为 $|\psi ⟩⟨\psi |\psi ⟩⟨\psi |=|\psi ⟩⟨\psi |$）。展开：

$$\begin{array}{rl}[[\rho ,H],\rho ]& =(\rho H-H\rho )\rho -\rho (\rho H-H\rho )\\ & =\rho H\rho -H{\rho }^2-{\rho }^{2}H+\rho H\rho \\ & =2\rho H\rho -\{H,\rho \},\end{array}$$

第三行用了 ${\rho }^2=\rho$。而 rank-one projector 满足恒等式

$$\rho H\rho =|\psi ⟩⟨\psi |H|\psi ⟩⟨\psi |=⟨\psi |H|\psi ⟩|\psi ⟩⟨\psi |=⟨H⟩\rho ,$$

（中间的 $⟨\psi |H|\psi ⟩$ 是个数，可以提到算符外面）。代回：

$$[[\rho ,H],\rho ]=-\{H,\rho \}+2⟨H⟩\rho .$$

第三步：对照。 第二步的结果与第一步的 $\dot{\rho }$ 逐项相同，所以

$$\dot{\rho }=[[\rho ,H],\rho ],$$

这正是 double-bracket 形状：生成元 $[\rho ,H]$ 是两个 Hermitian 矩阵的对易子（反厄米），外层再与 $\rho$ 对易。换句话说，pure-state QITE 正是 projector unitary orbit 上的 Brockett double-bracket flow。这个对应解释了 DB-QITE 类算法（Zoo 523–525）为什么成立：虚时间演化本身是非酉的（$e^{-\tau H}$ 不保持范数），但归一化后的 projector 始终可以用酉共轭来到达——非酉动力学被”投影”回了酉轨道上，全程保持纯度，且无需 postselection。

收敛性与代价的定性图景。 虚时间演化的标准分析在这里适用：若基态唯一、初态与基态的 overlap $\gamma =|⟨{\psi }_0|{\psi }_{\mathrm{gs}}⟩|$ 非零，则激发态分量被 $e^{-\tau H}$ 以能量 gap $\Delta$ 为速率指数压制，对固定尺寸的体系，收敛所需虚时间 $\tau \sim {\Delta }^{-1}\log (1/(\gamma \epsilon ))$，步数是这一量级的多项式。但必须保留原文的警告：当 system size 增长时，gap 可能指数变小、初始 overlap 可能指数变小、而每步 group-commutator 电路的深度还可能随步数指数增长——三个潜在的指数因子叠在一起，所以这条路线的高效性是问题依赖的，不能作为通用结论。

9. DB-QSP 与其他任务

Double-bracket 的 commutator synthesis 还有更广泛的用途，这里按原文范围概述并保留其保留条款。

• DB-QSP。 交替使用”信号算符的演化”与”double-bracket 共轭旋转”，可以构造对 Hamiltonian 的多项式变换，形成一种无 postselection 的 QSP 变体。但目前已知构造的 runtime 可以指数于多项式次数（本质上仍是第 7 节递归深度的影子），所以 DB-QSP 尚不能替代高效的标准 QSP/QSVT，它的价值更多在于概念统一与免辅助比特。
• 与经典数值算法的联系。 Brockett–Helmke–Moore 的经典理论表明，double-bracket 型的等谱流统一关联 QR decomposition、linear programming、sorting 与 matrix diagonalization：这些任务都可以写成某个 unitary orbit 上的梯度流。每搬一个应用到量子侧，都必须单独给出该应用的 convergence 保证与 implementation complexity，不能从框架的存在性直接继承。
• Zoo 的 speedup 标注。 综合第 7、8 节的讨论，Zoo 目前把这一类算法的 speedup 标为 unknown 是合理的：算法框架有明确的收敛方向（purposeful convergence），在若干近端数值场景有优势；但原始递归深度缺乏通用的 polynomial bound，任何多项式加速声称都必须附带额外的结构假设（例如小步数、好的 gap 与 overlap、或宽度换深度的预处理）。

10. Source 审计勘误

Zoo 页面在引用经典 DBF 文献时有编号错位：页面把 classical DBF 的引用写作 anchor HM、显示编号 321，而实际 bibliography 中对应条目是

$$\text{Helmke–Moore, Optimization and Dynamical Systems, 编号 521}$$

（anchor HM12）。编号 321 实为无关的 quantum Lovász local lemma 条目。此外 RPP24/RPP22 两个 anchor 的命名与年份也存在不一致。本词条一律按论文标题与实际 521–526 的记录引用，不以页面显示编号为准。

11. 小结与习题

• Double-bracket flow $\dot{H}=[[N,H],H]$ 是 unitary orbit 上的等谱 Riemannian gradient flow：对易子 $[N,H]$ 反厄米，共轭驱动自动保持整个谱。
• $\mathrm{Tr}(NH)$ 沿流单调，稳定点满足 $[N,H]=0$；取非简并对角 $N$ 时稳定点即对角形，von Neumann trace inequality 决定特征值的最终排序。
• 离散迭代用共轭 $H_{k+1}=e^{{\eta }_k[N,H_k]}{H}_k{e}^{-{\eta }_k[N,H_k]}$ 精确保持谱；group commutator product formula 用四段正/反演化合成 $e^{\eta [N,H_k]}$，无需 ancilla 与 postselection。
• 但模拟”更新后的 Hamiltonian”引入递归 $D_{k+1}\gtrsim c{D}_k+O(1)$，电路深度随迭代数指数增长；可用额外宽度与 state preparation 换取深度，属 depth–width tradeoff。
• 归一化纯态虚时间演化的 projector 方程恒等于 Brockett double bracket：非酉动力学被投影回酉轨道，保持纯度、免 postselection；但 gap、overlap 与每步深度的系统尺寸标度都可能指数差，高效性是问题依赖的。

习题。

1. 补全第 3 节的推导：从迹的循环性出发，完整验证 $\mathrm{Tr}(A[B,C])=\mathrm{Tr}(B[C,A])$，并由此得到 $d\mathrm{Tr}(NH)/dt=\Vert [N,H]{\Vert }_F^2$。指出每一步用到 $N,H$ Hermitian 的位置。
2. 展开共轭 $e^{\eta K}H{e}^{-\eta K}$ 到二阶，写出一阶项与二阶项各自的对易子结构，并由此说明一阶截断就是 Euler 步 $H+\eta [[N,H],H]$。
3. 用 BCH 公式逐步推导第 6 节的 group commutator 公式，明确 $\sqrt{\eta }$ 阶项为何相消、$\eta$ 阶项为何幸存、误差为何从 ${\eta }^{3/2}$ 阶开始。
4. 证明 rank-one projector 的恒等式 $\rho H\rho =⟨H⟩\rho$，并用它验证 $\dot{\rho }=[[\rho ,H],\rho ]$ 与 $\dot{\rho }=-\{H,\rho \}+2⟨H⟩\rho$ 逐项相等。
5. （小例子续）对第 5 节的 $2\times 2$ 例子，验证一步迭代后 $\det H_1=\det H_0+O({\eta }^2)$，并精确算出 $U_0=e^{\eta K_0}$ 共轭后的 $H_1$，确认其两个特征值与 $H_0$ 完全相同。
6. 求解递推 $D_{k+1}=c{D}_k+d$（$c>1$，$d$ 为常数）的显式表达式，并讨论：若用 $w$ 份额外量子比特把深度从 $D_k$ 压到 $D_k/c$，需要付出怎样的宽度与制备代价随 $k$ 增长？（定性即可。）

参考文献与 Zoo 覆盖

• 实际 Zoo 521：Helmke—Moore, Optimization and Dynamical Systems（页面误标 321）。
• Zoo 522：Marek Gluza, Double-Bracket Quantum Algorithms for Diagonalization.
• Zoo 523—526：ground-state preparation、DB-QITE、Riemannian geometry 与 DB-QSP。
• Zoo 519—520、250：depth—width tradeoff、Hermitian-preserving map exponentiation 与 density-matrix exponentiation。

---

参考资料

• 本词条整理自《量子计算算法教程》原文：ch14-optimization-numerics/double-bracket-algorithms
• 内容遵循 CC BY-NC-SA 4.0 许可协议